langgraph框架之初识

news2025/4/19 15:08:58

1.什么是langgraph？

LangGraph 是一个用于构建可控代理的底层编排框架。在AI中，代理也就是执行动作的智能体，也就是agent。使用这个框架可以构建一个可以自由控制的智能执行体，它可以帮我们做许多事情，如下：

自然语言处理（NLP）：
- 机器翻译：将一种语言的文本翻译成另一种语言。
- 情感分析：分析文本中的情感倾向，如正面、负面或中性。
- 文本生成：自动生成新闻文章、报告或故事。
对话系统：
- 聊天机器人：用于客服、导览或个人助手，提供自动化的对话服务。
- 虚拟助手：如Siri、Alexa，帮助用户完成任务，如设置提醒、搜索信息。
内容推荐：
- 个性化推荐：根据用户的历史行为和偏好，推荐新闻、电影或产品。
- 智能广告：根据用户上下文提供个性化的广告内容。
语言学习：
- 语言教学辅助：提供语法纠正、词汇练习和模拟对话，帮助用户学习新语言。
- 智能 dictionaries：提供实时翻译和语言学习资源。
数据处理与分析：
- 文本提取：从非结构化文本中提取关键信息，如新闻摘要、报告生成。
- 数据清洗：自动识别和纠正文本数据中的错误和不一致。
智能文档管理：
- 文档分类：自动对文档进行分类和标签化。
- 内容提取：从大量文档中提取特定信息，如合同条款、技术规格。
社交媒体管理：
- 内容监控：实时监控社交媒体上的特定话题或关键词。
- 社区管理：自动识别和处理垃圾信息或不当内容。
医疗健康：
- 电子病历分析：从电子病历中提取关键信息，辅助医生决策。
- 健康咨询：提供基于语言的健康咨询和建议。

2.为什么要使用 LangGraph？

LangGraph 专为希望构建强大且适应性强的 AI 代理的开发者打造。开发者选择 LangGraph 的理由如下：

可靠性和可控性。通过审核检查和人工审核来引导代理操作。LangGraph 会保留长期运行工作流的上下文，确保您的代理保持正轨。LangGraph 通过持久化检查点checkpointer加载已保存的状态，从而允许聊天机器人从上次中断的地方继续执行。请看以下代码呈现：

from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import StateGraph

# 定义一个新的graph
workflow = StateGraph(State)

# 初始化内存以在graph运行之间保持状态
memory = MemorySaver()

app = workflow.compile(checkpointer=memory)

# 创建用户角色
config = {"configurable": {"thread_id": 86}}

# 用户首次输入
user_input = "Hi there! My name is Will."


# 第一次运行thread_id为86的角色
events = app.stream(
    {"messages": [("user", user_input)]}, config, stream_mode="values"
)

# 再次运行thread_id为86的角色，提问有没有记住用户的名字
user_input = "Remember my name？Please spell my name"

for event in events:
    event["messages"][-1].pretty_print()

events = app.stream(
    {"messages": [("user", user_input)]}, config, stream_mode="values"
)

for event in events:
    event["messages"][-1].pretty_print()

运行结果如下：

================================ Human Message =================================

Hi there! My name is Will.
================================== Ai Message ==================================

Hello Will! How can I assist you today?
================================ Human Message =================================

Remember my name？Please spell my name
================================== Ai Message ==================================

Of course, Will! Your name is W-I-L-L.

低级且可扩展。使用完全描述性的低级原语构建自定义代理，摆脱限制定制的僵化抽象。设计可扩展的多代理系统，每个代理都根据您的用例定制特定的角色。一般来说在编排代理流程时，需要创建各个节点，有工具节点，有代理节点，比如某个用例可以把工具节点命名为“tools”，把代理节点命名为“agent”。

一流的流式传输支持。通过逐个令牌的流式传输和中间步骤的流式传输，LangGraph 让用户能够清晰地实时了解代理的推理和操作。这个特点可以提升用户感知，让对话更友好的呈现，增强沟通效果，提升服务体验。

def stream_graph_updates(u_input: str):
    """
    流式输出用户的提问
    :param u_input: 用户输入
    :return:
    """
    for event in app.stream({"messages": [{"role": "user", "content": u_input}]}, config):
        for value in event.values():
            print("Assistant:", value["messages"][-1].content)


while True:
    try:
        user_input = input("User: ")
        if user_input.lower() in ["quit", "exit", "q"]:
            print("Goodbye!")
            break
        stream_graph_updates(user_input)
    except:
        # fallback if input() is not available
        user_input = "What do you know about LangGraph?"
        print("User: " + user_input)
        stream_graph_updates(user_input)
        break

User: 你好，什么是langgraph？
Assistant: Langgraph是一种用于表示和分析语言结构的图形化工具。它通过节点和边来表示语言中的不同元素及其关系，例如词法、句法和语义等。Langgraph可以帮助语言学家、开发者和教育者更好地理解和教授语言的复杂性。如果你有具体的问题或需要进一步的信息，请告诉我！
User: 好，它可以应用于哪些领域？请简短说一下
Assistant: Langgraph可以应用于多个领域，包括但不限于自然语言处理、语言教学、文本分析和机器翻译等。它帮助研究人员和开发者更好地理解语言结构，并应用于实际的语言技术开发中。
User: 真棒
Assistant: 谢谢您的认可！如果您还有其他问题或需要帮助的地方，随时欢迎提问。
User: quit
Goodbye!